AI
주문형 반도체 Floorplan 자동화 (2)
두줄요약
강화학습으로 ASIC Floorplan의 Macro와 Standard Cell Cluster 배치를 최적화했습니다. GNN·CNN과 HPWL·Congestion 보상으로 EDA 기준에 근접한 결과를 확인했습니다.
문제 상황
- 수백 개 Macro와 대규모 Standard Cell의 연결성을 고려하는 ASIC Floorplan 수작업 배치
- EDA Tool 평가와 재배치 반복으로 인한 긴 소요 시간 및 숙련도별 품질 편차
구조와 흐름
- Netlist 연결 정보와 소자 물리 특성을 상태로 사용하고, Grid Cell 선택으로 소자를 순차 배치하는 강화학습 환경
- GNN 기반 Netlist 임베딩과 CNN 기반 배치 위치 확률분포 산출의 2단계 모델
- HPWL과 Congestion을 최소화하고 밀도 제약을 적용한 다목적 보상함수
해결 방법
- Standard Cell의 hMETIS 클러스터링과 Hypergraph의 Ordinary Graph 변환
- Invalid Action Masking, Invalid Episode 패널티, Congestion Map Convolution Filter 적용
- Bounding Box·Single Cluster 휴리스틱을 단계적으로 제거한 강화학습 시나리오 검증
성능/운영 포인트
- 약 12만 개 Standard Cell과 18개 Macro 기반 실험에서 휴리스틱 없는 학습도 약 1000 Epochs 후 수렴
- ICC2 평가에서 사람 전문가와 ICC2 자동 배치에 근접한 WNS·FREQ 수치
- 대규모 Netlist와 미관측 Netlist 일반화를 위한 학습 시간 및 알고리즘 개선 과제
